臉部偵測與臉部比較概觀- Amazon Rekognition

Amazon Web Services ... 同樣地，臉部比較系統可能無法比對屬於同一個人的兩個臉部(錯失偵測/誤判)，或者可能不正確地預測來自不同人的兩個臉部是同一個人(誤報/誤判) ... 臉部偵測與臉部比較概觀-AmazonRekognitionAWS文件AmazonRekognition開發人員指南本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

臉部偵測與臉部比較概觀機器學習有兩種主要應用，其會分析包含臉部的影像：臉部偵測和臉部比較。

臉部偵測系統旨在回答此類問題：此圖片有臉部嗎？臉部偵測系統會判定靜態影像或視訊影格中呈現的任何臉部的存在、位置、範圍和(可能)方向。

此系統旨在偵測臉部是否存在，而不管性別、年齡和臉部毛髮之類的屬性。

臉部比較系統旨在回答此類問題：影像中的臉部是否符合另一個影像中的臉部？臉部比較系統會取得臉部的影像，並預測臉部是否符合所提供資料庫中的其他臉部。

臉部比較系統旨在比較並預測潛在相符的臉部，而不管其表情、臉部毛髮和年齡。

臉部偵測和臉部比較系統都可以使用機率或可信度分數的形式，提供預測可信度的估計值。

例如，臉部偵測系統可能預測影像區域是可信度分數為90%的臉部，而另一個影像區域是可信度分數為60%的臉部。

可信度分數更高的區域應該更可能包含臉部。

如果臉部偵測系統未適當地偵測到臉部，或提供實際臉部的低可信度預測，這稱為錯失偵測或誤判。

如果臉部偵測系統未正確地預測有一個高信度的臉部存在，則這是誤報或誤判。

同樣地，臉部比較系統可能無法比對屬於同一個人的兩個臉部(錯失偵測/誤判)，或者可能不正確地預測來自不同人的兩個臉部是同一個人(誤報/誤判)。

可信度分數是臉部偵測和比較系統的關鍵元件。

這些系統會使用預測對應的可信度，預測臉部是否存在於影像中，或是否符合另一個影像中的臉部。

這些系統的使用者應該在設計其應用程式，並根據系統輸出做出決策時，考慮系統所提供的可信度分數/相似度閾值。

例如，在應用程式用來識別類似容貌家人的照片中，如果可信度閾值設為80%，則應用程式會在預測達到80%可信度時傳回相符項，但不會傳回低於該可信度的相符項。

此閾值是可接受的，因為對於此類型的使用案例，錯失偵測或誤報的風險很低。

不過，對於錯失偵測或誤報的風險更高的使用案例，系統應該使用更高的可信度。

在臉部需高度準確的案例中，您應該使用99%可信度/相似度閾值。

如需建議可信度閾值的詳細資訊，請參閱搜索集合中的臉部。

文件慣用形式偵測與分析臉部臉部屬性的準則此頁面是否有幫助？-是感謝您，讓我們知道我們做得很好！若您有空，歡迎您告知我們值得讚許的地方，這樣才能保持良好服務。

此頁面是否有幫助？-否感謝讓我們知道此頁面仍須改善。

很抱歉，讓您失望。

若您有空，歡迎您提供改善文件的方式。